El razonamiento latente en TRMs es un operador de mejora de política
En TRMs, el razonamiento latente actúa como operador de mejora de política. Con RL y difusión, reducimos 18x los pasos.
#mejora de política
StressDream: Evaluación robusta de políticas con modelos de video
StressDream optimiza el ruido de modelos de video para generar futuros plausibles y críticos. Evalúa y mejora políticas robóticas identificando fallos.